Project / 医疗数据
Medical Privacy Guard
医疗数据出域前的脱敏、审计与授权。
面向中文临床文本的本地优先脱敏与审计：识别直接标识符、评估披露风险、转换并校验后再放行。
v0.5.0 稳定 · v0.6.0-rc.1 预览
Overview 项目概述
Medical Privacy Guard 是放在医疗数据管线和外部 AI 之间的本地优先策略层：识别敏感标识符、评估披露风险、在可转换时脱敏、校验结果，并在数据离开本地前给出可审计的决定。
Motivation 为什么创建
医疗文本里的姓名、电话、病历号、机构与日期往往同时出现。与其在数据离开之后追责，不如在出域前把「识别—转换—校验—放行或扣留」做成一条 fail-closed 的路径。
Architecture 关键架构
- Guard profile 决定策略；检测器覆盖中文临床文本中的直接标识符，转换支持 REMOVE、MASK、TOKENIZE、GENERALIZE 与 DATE_SHIFT。
- 每次 SANITIZE 都先校验再放行；校验失败则扣留载荷。
- 审计事件用哈希链串联，可选 HMAC；ASK 通过有作用域、一次性、可过期的授权处理。
- 提供 OpenAI-compatible 与 Anthropic 客户端包装、MCP stdio 网关；结构化输入支持 JSON、CSV 与最小 FHIR 资源集。
- v0.6.0-rc.1 只安装 medical_privacy_guard 命名空间，并为 OpenAI-compatible 与 Anthropic 客户端增加本地 serve 网关；默认绑定 loopback，且不检查响应内容。
Capabilities 已实现能力
- 中文手机号与座机、邮箱、社交账号、身份证候选、日期、URL、IPv4、患者/医护/亲属姓名、病历号、地址、机构/科室/病区、床号与年龄等检测。
- 保持结构的 JSON/CSV/FHIR 脱敏；失败校验扣留；哈希链审计与 audit-verify。
- 只读 DICOM 元数据扫描；MCP 网关对 tools/call 按判决转发、改写或拒绝。
- 合成数据基准与 pytest 测试；代码与文档中明确列出未实现项。
- v0.5.0 增加带签名审阅元数据的本地 CLI/MCP 审批文件、SQLite 授权消费与撤销，以及 CSV/JSON 批量令牌一致性；v0.6.0-rc.1 收敛公开 API 并增加零代码本地网关。
Limitations 已知限制
- 不认证 HIPAA、GDPR、PIPL 或任何机构合规，也不替代法律审查。
- 不能证明完全匿名化；残余准标识符仍可能带来重识别风险。
- 不能防御同等权限的绕过；它降低意外披露风险，不防御有意内部人员。
- 未实现 XLSX、PDF/DOCX、多模态内容、HTTP 出站代理等；响应内容不被检查。
- v0.6.0-rc.1 的 import 路径是有意破坏性变更，现有调用方需要迁移；本地 serve 网关默认只绑定 loopback。
Validation 测试与验证
- pytest 覆盖单元与集成路径；仓库使用模板生成的合成语料，严格评分只衡量内部一致性，不代表真实世界泛化。
- docs/evaluation.md 记录严格评估与故障注入证据；docs/scope.md 记录检测与适配器边界。
- 版本状态以 README 与 CHANGELOG 为准：v0.5.0 是稳定的审批与安全线；v0.6.0-rc.1 是当前候选，包含命名空间收敛与零代码网关。